两类变革性的 AI 系统正在重塑组织运营：*数字 AI* 通过企业知识驱动聊天机器人和工作流；*物理 AI* 从视频、游戏和传感器数据中学习控制机器人和自主系统。它们共同面临同一根本瓶颈——规模化的原始知识分布在异构模态的私有语料库中，现有基础设施难以可靠高效地访问。\
我们提出 通用知识感知（UniK） 作为统一平台，覆盖知识全生命周期：摄取、丰富、索引、检索与持续评估，支持从富文本、视频到分子数据和传感器遥测的多模态。UniK 基于 Polymath Retrieval，通过对自动丰富的索引进行多索引融合，无需任务特定的微调。\
在五个数字 AI 场景（医学文献、开放域问答、化学、法律视频审理、政府开放数据）中，UniK 搭配开源 700 亿参数模型的表现持续匹配或超越规模数十倍的商业前沿大模型。例如在政府数据上实现 76% 的 RAG 准确率，而 GPT‑5 为 47%；在医学问答上无需微调即达 77.9%；在化学任务中领先所有开源流水线。\
同一套基础设施同样解决了物理 AI 世界模型训练中的数据策划、索引与检索难题——知识问题更为复杂但结构上完全相同。\
UniK 展示了跨数字与物理 AI 的统一知识处理路径，为企业在多模态大规模知识上构建可靠、可扩展的 AI 能力提供了可行方案。\
点评